| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-13页 |
| ·研究的目的和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·主要研究内容及课题来源 | 第11-13页 |
| 2 奶牛数字图像采集系统的硬件设计及奶牛图像采集 | 第13-18页 |
| ·图像采集系统硬件设计 | 第13-15页 |
| ·CCD 摄像机 | 第13-14页 |
| ·图像采集卡 | 第14-15页 |
| ·计算机主机 | 第15页 |
| ·奶牛数字图像采集 | 第15-18页 |
| ·上位机软件设计 | 第15-16页 |
| ·奶牛三方向数字图像 | 第16-18页 |
| 3 数字图像处理及其在奶牛图像中的应用 | 第18-22页 |
| ·数字图像处理 | 第18-19页 |
| ·数字图像处理概述 | 第18页 |
| ·数字图像处理发展简史 | 第18-19页 |
| ·数字图像处理特点 | 第19页 |
| ·数字图像处理的重要意义和主要方法 | 第19-20页 |
| ·图像处理技术在奶牛图像中的应用 | 第20-22页 |
| 4 基于经典边缘提取算法的奶牛数字图像处理 | 第22-38页 |
| ·概述 | 第22页 |
| ·奶牛数字图像预处理 | 第22-29页 |
| ·奶牛数字图像滤波 | 第22-26页 |
| ·奶牛数字图像对比度增强 | 第26-29页 |
| ·常用边缘提取算法研究 | 第29-35页 |
| ·Roberts 边缘提取算法 | 第30-31页 |
| ·Sobel 边缘提取算法 | 第31页 |
| ·Prewitt 边缘提取算法 | 第31-32页 |
| ·Laplace 边缘提取算法 | 第32-33页 |
| ·LOG 边缘提取算法 | 第33-34页 |
| ·Canny 边缘提取算法 | 第34-35页 |
| ·常用边缘检测方法的仿真结果 | 第35-38页 |
| 5 细胞神经网络的奶牛数字图像边缘提取 | 第38-59页 |
| ·细胞神经网络理论 | 第38-39页 |
| ·细胞神经网络的概念 | 第38页 |
| ·细胞神经网络的背景和发展现状 | 第38-39页 |
| ·基于CNN 的图像边缘提取算法 | 第39-45页 |
| ·细胞神经网络的结构与特点 | 第39-44页 |
| ·细胞神经网络输入范围的调整 | 第44-45页 |
| ·基于CNN 的二值图像边缘提取算法 | 第45-55页 |
| ·细胞神经网络模板的设计 | 第45-47页 |
| ·基于CNN 的二值图像边缘提取算法的实现 | 第47-54页 |
| ·基于CNN 的灰度图像边缘提取算法的实现 | 第54-55页 |
| ·基于CNN 算法与传统方法仿真结果的比较 | 第55-59页 |
| ·基于CNN 算法与传统算法对二值图像仿真结果的比较 | 第55-56页 |
| ·基于CNN 算法与传统算法对灰度图像仿真结果的比较 | 第56-59页 |
| 6 结论与展望 | 第59-60页 |
| ·本文的主要工作总结 | 第59页 |
| ·后续工作 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 在读期间发表的学术论文 | 第62-63页 |
| 作者简介 | 第63-64页 |
| 致谢 | 第64-65页 |